先守住人才密度：Netflix CTO 谈坦诚、Keeper 测试和高标准

这次采访约上时，Elizabeth Stone 还是 Netflix 数据与洞察团队的副总裁；录制前她升任了 CTO。她说最大的变化是上下文切换变多，以及自己有更多要学。工程组织的人更多、问题空间更大，还有不少她不够熟的技术深度。这个角色的后果也更重，她觉得这反而让人兴奋。

Lenny 问她是不是财富 500 强里第一位经济学家出身的 CTO。Stone 说她没去查名单，这大概很少见。她认为科技公司应该多招经济学家：经济学是数据科学的一种口味，也是一种把问题框到可下手程度的方法。她从经济学转进科技时，数据科学还没那么热，这个说法更难讲通。Netflix 里没多少人把她当成经济学家，但她说这会体现在思考方式上。

最具体的好处是思考激励和意外后果。对内，领导团队要澄清优先级、动员公司；对外，要思考 Netflix 对消费者意味着什么、跟谁竞争。她会问：给定这些激励，可能出现哪些并不理想、也没预料到的结果。她指出这和心理学有重叠，也有助于推理因果。

Lenny 注意到她在第一份工作三年从 associate 做到副总裁，在 Nuna 两年从数据科学经理做到 COO，在 Netflix 三年从副总裁做到 CTO。Stone 不认为有什么秘方，但列了几件事。她对工作和团队很投入，尽量把活做到最好。动力来自她把自己当成团队的一员，必须对团队负责。

她也在意把别人托起来，并在技术和非技术人员之间当翻译。这项能力她追溯到 Analysis Group：当时要把量化工作讲给法官和陪审团听。她是相对内向的独生女，观察得很细，会从别人身上学，再判断哪些适合自己的风格。周围总有出色的人，她觉得自己靠观察和耳濡目染变强了。

投入不等于周末加班或牺牲假期。她给自己的标准是：别人发来的东西尽快回、承诺过的事按时做、开会准时到，不让别人等她。翻译的近例是 Netflix 进军直播内容，包括 WWE：内容和科技两边必须一起做战略。她也提到《Love is Blind》直播重聚出过问题，公司从中学到了东西，后来还有 Netflix Cup 等更顺利的活动。

Stone 记得母亲常说，「最后 5% 才是真正要紧的」。她说自己适合那种大家都认这个标准的公司文化，这样追求卓越时不会觉得自己在孤军奋战。Lenny 也提到类似的故事：有人会问你是不是在做世界级的工作。她希望自己先把这套标准做出来，给别人一个可跟随的例子。

对直接下属，她分三步。她自己先把标准做出来，否则别人没有理由跟上。工作没到线时，她给直接、具体的反馈，因为期望不讲出来，对方通常不清楚。最后她会帮着补差距，比如跟作者一起改文档。她说这种一起下手的事，职业生涯里发生过无数次。

批评她尽量私下、事后给，让对方觉得这是安全的空间，不是站在台上被点评。被问到会不会因此加班到燃尽时，她说标准跟花多少时间无关。以季度业务回顾为例，她更希望团队把时间花在把对话设计清楚。再花 20 小时把文档打磨到完美，在她看来是很差的时间用法。

Lenny 把 Netflix 文化概括成三根柱子：高人才密度、坦诚、自由与责任。Stone 说人才密度是公司骨子里的东西，反映创始人 Reed Hastings 的信念：可以有另一种公司，让人真正待得下去、做出卓越结果。她强调人才密度是达到其他目标的手段。没有它，坦诚和学习、自由与责任都转不起来。

维持人才密度需要一些不那么自然的行为。管理者必须给出让人不舒服的反馈，自己也要接得住，并在有人达不到标准时及时做决定。Keeper 测试是一个心理框架：如果这人来说要走，你会不会尽一切办法留？如果你其实会松一口气，就该进行那场难谈的对话。

Stone 说这个测试有用，正因为没人愿意那样想。它只有在前面已经给过反馈、对话不会让人措手不及时才成立；理想如此，现实更乱。这是心理模型，不是每季度填的表。下属常问她自己过没过 Keeper 测试，这反而把「我现在做得怎么样」问得轻松一些。

Stone 说 Netflix 没有绩效考核，也没有打分。每年有一轮 360，人们向很多同事要反馈，但这些反馈不接到某个结果上。另外还有年度薪酬周期，表现会影响晋升和薪酬，所以绩效必须嵌进日常节奏。没有半年一次的打分流程把问题浮出水面，日常对话就得承担这件事。

她承认理想很难守住。人很容易靠上年度 360。她自己会收到大约 300 条反馈，有些说的是六个月前的事，她希望当时就听到。理想情况是，360 只是一年一次的核对，用来提炼主题，再拿去和管理者谈。

Lenny 担心这会养成饥饿游戏式的焦虑。Stone 说，比起以前岗位里不知道自己表现如何，有这些对话让她更安心。高标准和出色的同事仍会让人紧张，但听到管理者的看法会让人肩膀松下来。无论是做得好，还是带着具体建议的批评，知道都比蒙在鼓里好。

Netflix 付的是 Stone 所说的个人市场顶薪。意图是薪酬有竞争力，但不要变成金手铐。他们希望不必靠钱把人留下，也不必靠钱判断谁能在 Netflix 待得好。薪酬仍然重要，用来吸引和留住人才，但她更不想把它当成唯一杠杆。

在这个前提下，招人问的是：这个人会不会帮我们找到该解决的问题，或用新办法解决已有问题。她找的是能叠加的技能和视角，能推动团队思考、把水平抬上去的人。面试因此既要确认基本功，也要找可能让人变得出色的地方。

Lenny 概括成：不要只找一个很强的人，要找能把整支团队标准抬高的人，Stone 同意。Lenny 还说，最强的人想和最强的人一起干。Stone 说，技能或行为上的缺口会毒害团队里的其他人，容忍这些缺口是有代价的。

被问到哪些 Netflix 做法别的公司不该照搬时，Stone 指向自由与责任。公司对怎么解题、解题范围并不规定得很死，流程和护栏也少。没有高人才密度，这样做很难，甚至危险，因为它依赖判断力强的人。规划优先级时，各层级都有贡献空间，这也同样要求人才密度。

在她自己的团队里，内容分发网络、编码、发现和个性化上的创新，常常来自有好想法的个人贡献者，很少是领导先宣布优先级。眼下的难题是找到一个甜点：规模上能高效运转，同时不把文化里那点核心掐灭。她说 Netflix 做成的许多事，都来自给团队留出探索的空间。

谈到坦诚，Stone 描述自己的做法是给情境、不搞控制。她在领导会上做笔记，分享给整个组织，包括对哪些事进展不好的反思。大约两年前她给个人贡献者引入了职级，这是对 Netflix 规范的一次重大偏离，落地过程像坐过山车。最近她做了一次坦诚的复盘，把没做好的地方说出来，不假装目标都达成了。

关于 Chaos Monkey，Stone 说 Netflix 不再无约束地跑它，因为公司对会员体验的责任太重，不能再随机制造痛苦。他们仍做大量有意设计的韧性实验。对云游戏、直播等内容，会设计低曝光测试，去摸系统边界。随机制造混乱已经让位给按设计做实验。

很多公司把数据团队嵌进业务线，或按职能拆开。Netflix 保留了一支集中团队，职能上很杂，包括数据工程师、数据科学家、分析工程师和消费者研究员，几乎覆盖所有业务。这要求极强的协作，因为做数据问题的人并不汇报给依赖他们的那些团队。

Stone 说好处是职能上的卓越、更好的职业流动，以及想法交叉授粉。最重要的是客观：这支团队的工作是做讲真话的人，不必去讲别人想听的故事。大约两年前，Consumer Insights 与数据科学工程合并。她觉得这在推荐这类需要把态度证据和行为证据合在一起的问题上是超能力。

为了和离自己很远的人保持接触，Stone 每两周做办公时间，20 分钟一档，名额会提前几个月订满。她也会和规模不等的团队做 AMA，什么都可以问。她说如果不把它当成优先事项，这些事根本不会发生。她回复很快，让人觉得可以给她发消息。

被问到如何保持在场时，她说一对一被她当成神圣时间，大会上她承认会一心多用。她不少最亲近的朋友是在工作中认识的，所以她建议在这个小圈子里对别人投资。你对别人的投入，往后往往会回到自己身上。

她每天清晨安静时反思，问自己为什么焦虑或兴奋，不写日记，也没有正式冥想。闪电轮里她提到村上春树的《当我谈跑步时我谈些什么》和《微妙的平衡》。面试时她常问对方：如果做她的工作，会定什么优先级、会做哪些不同的事。她还说耐力运动教给她心理韧性，以及如何从低谷回来。